扫雷数据集

class dgl.data.MinesweeperDataset(raw_dir=None, force_reload=False, verbose=True, transform=None)[source]

基础类：HeterophilousGraphDataset

来自论文《A Critical Look at the Evaluation of GNNs under Heterophily: Are We Really Making Progress? <https://arxiv.org/abs/2302.11640>》的扫雷数据集。

该数据集灵感来源于扫雷游戏。图是一个规则的100x100网格，其中每个节点（单元格）与八个相邻节点相连（除了位于网格边缘的节点，它们的邻居较少）。20%的节点被随机选为地雷。任务是预测哪些节点是地雷。节点特征是相邻地雷数量的独热编码。然而，对于随机选择的50%的节点，特征是未知的，这由一个单独的二值特征表示。

统计：

节点数：10000
边数: 78804
类别：2
节点特征：7
10 个训练/验证/测试分割

Parameters:

raw_dir (str, optional) – Raw file directory to store the processed data. Default: ~/.dgl/
force_reload (bool, optional) – Whether to re-download the data source. Default: False
verbose (bool, optional) – Whether to print progress information. Default: True
transform (callable, optional) – A transform that takes in a DGLGraph object and returns a transformed version. The DGLGraph object will be transformed before every access. Default: None

num_classes

节点类的数量

Type:: int

示例

>>> from dgl.data import MinesweeperDataset
>>> dataset = MinesweeperDataset()
>>> g = dataset[0]
>>> num_classes = dataset.num_classes

>>> # get node features
>>> feat = g.ndata["feat"]

>>> # get the first data split
>>> train_mask = g.ndata["train_mask"][:, 0]
>>> val_mask = g.ndata["val_mask"][:, 0]
>>> test_mask = g.ndata["test_mask"][:, 0]

>>> # get labels
>>> label = g.ndata['label']

__getitem__(idx): 获取索引处的数据对象。

__len__(): 数据集中的示例数量。